HNC汉语词语知识库的质量保证与提高研究.pdfVIP

HNC汉语词语知识库的质量保证与提高① 苗传江 北京师范大学中文信息处理研究所 北京 100875 miaochj@bnu．edu．cn 摘要：HNC汉语词语知识库需要不断进行升级，质量保证和提高是升级工作 的重要课题。本文从四个方面讨论了质量保证与提高的措施：(1)完善填写规范； (2)培养专业人才；(3)建立研发平台；(4)制定质检方案。 关键词：HNC，知识库，词语库规范，质检方案，研发平台 一，HNC汉语词语知识库的现状 Network ofConcepts，概念层次网络)理论为指导，以语义知识为中心，描述词语和句子层 面的概念联想脉络，建立汉语句子理解处理所需的知识资源。经过9年多的不断积 语句子理解处理的宝贵资源，其规模和水平都已达到了中文信息处理应用系统开 发的基本要求，我们已经成功开发的多个应用系统(如文本信息分类、有害信息过 滤、农业信息智能检索等)都是以这一资源为支撑的。 但是，从我们的长远和总体目标来看，HNC词语库目前只是实现了1．0版本 的要求，还需要从两个方面不断进行升级，一是词语数量的扩充，二是内容质量 的保证和提高，相比之下，后者更为重要，也更为艰巨。要保证和提高HNC词语 库的质量，需要从四个方面采取措施：第一，完善知识库填写规范；第二，培养 知识库建设的专业人才；第三，建立服务于知识库建设的平台环境；第四，制订 并实施切实可行的质量监督和检查方案。下面就对这四个方面的措施做进一步的 说明。 ①本文得到国家高技术研究发展计划(863)项目“中文信息处理应用基础研究”(编号： 2001AAll4210)及北京大正语言知识处理研究院的资助。 二，措施一：完善填写规范 填写规范是HNC词语库的技术文档，它有两方面的作用，一是作为填库者应 遵循的标准，二是作为用库者可参考的手册。填写规范的制订要兼顾两方面的需 要，追求两方面的目标，一方面是填写时的明晰和简便，另一方面是使用时的准 确和高效，要尽量避免顾此失彼。完善填写规范的目标自然也就是为了更好地满 足这两个方面的需要。 HNC词语库已达到近6万词的规模，规范的变动常常会带来大量的维护下作， 因此词语库的总体结构要保持相对稳定，在这个前提下，完善规范的基本工作就 是使各知识项的填写要求进一步明细化。对各知识项的填写要求无非是围绕两个 方面，一是描述什么，二是怎么描述。前者要说明描述的是什么语言现象，而且 更重要的是要说明理解处理需要的是什么样的知识。后者不但要说明用什么方法 和符号来描述知识，而且要说明这种知识描述在理解处理的过程中起什么作用。 在HNC词语库的各知识项中，需要对填写要求进行明细化的重点是概念类 别、HNC符号和句类知识三大项。 (一)概念类别 概念类别是理解处理首先需要的、最简明的知识，它是对词语的意义和用法 的提炼，是具有激活作用的词语知识，所以，对概念类别符号的设计和定义更要 紧密配合理解处理的需要。对概念类别的明细化就是要进一步明确每个概念类别 符号的功用，明确它们的使用条件。下面举几个例子来说明。 1．概念的动态表现v与静态表现g的兼类 概念类别符号v表示概念的动态表现，属于动词，g表示概念的静态表现，属 于名词，二者的兼类属于动名兼类，比如“教育”一词就是兼类的，它的概念类别 知识项里要同时填v和g两个类别符号。那么，什么时候该填v与g的兼类呢?填 v的充分必要条件是明确的，那就是能充当特征语义块的核心，因此，是否v与g 兼类的问题实际上就是，对一个填了v的词语来说，根据什么条件来判断是否填g 呢?首先有一点是明确的：像“这本书的出版具有重要意义”里的“出版”并不是g， 因为它充当的是E要素句蜕里的特征语义块，仍然是v，所以，不能因为一个动词 有这种用法而认为它兼有g类别。除了这一点以外，还没有进一步界定兼有g类别 的判断条件，但要点是明确的：v与g兼类的判断准则要与理解处理中语义块感知 阶段的排除准则密切配合，排除准则的条件都不能作为v兼有g的判断条件。例 如，Z9排除准则是说，出现在指代逻辑概念z9后面的动词应排除它作为全局特征 语义块的资格，它所描述的“出现在指代逻辑概念Z9后面”这个条件，就不能用来 判定一个v兼有g类别，所以，不能因为有“这次修订”而认为“修订”兼有g类别。 2．具体物概念的子类划分 现在的填写规范把具体物概念划分为如下子类： 符号 含